智能计算/计算智能、仿生算法、启发式算法的区别与关系?
2016-04-16 11:58
197 查看
1)启发式算法:一个基于直观或经验构造的算法,在可接受的花费(指计算时间和空间)下给出待解决组合优化问题每一个实例的一个可行解,该可行解与最优解的偏离程度不一定事先可以预计.意思就是说,启发式算法是根据经验或者某些规则来解决问题,它求得的问题的解不一定是最优解,很有可能是近似解.这个解与最优解近似到什么程度,不能确定.相对于启发式算法,最优化算法或者精确算法(比如说分支定界法、动态规划法等则能求得最优解).元启发式算法是启发式算法中比较通用的一种高级一点的算法,主要有遗传算法、禁忌搜索算法、模拟退火算法、蚁群算法、粒子群算法、变邻域搜索算法、人工神经网络、人工免疫算法、差分进化算法等.这些算法可以在合理的计算资源条件下给出较高质量的解.
2)仿生算法:是一类模拟自然生物进化或者群体社会行为的随机搜索方法的统称.由于这些算法求解时不依赖于梯度信息,故其应用范围较广,特别适用于传统方法难以解决的大规模复杂优化问题.主要有:遗传算法、人工神经网络、蚁群算法、蛙跳算法、粒子群优化算法等.这些算法均是模仿生物进化、神经网络系统、蚂蚁寻路、鸟群觅食等生物行为.故叫仿生算法.
3)智能计算:也成为计算智能,包括遗传算法、模拟退火算法、禁忌搜索算法、进化算法、蚁群算法、人工鱼群算法,粒子群算法、混合智能算法、免疫算法、神经网络、机器学习、生物计算、DNA计算、量子计算、模糊逻辑、模式识别、知识发现、数据挖掘等.智能计算是以数据为基础,通过训练建立联系,然后进行问题求解.
所以说,你接触的很多算法,既是仿生算法,又是启发式算法,又是智能算法,这都对.分类方法不同而已.
2)仿生算法:是一类模拟自然生物进化或者群体社会行为的随机搜索方法的统称.由于这些算法求解时不依赖于梯度信息,故其应用范围较广,特别适用于传统方法难以解决的大规模复杂优化问题.主要有:遗传算法、人工神经网络、蚁群算法、蛙跳算法、粒子群优化算法等.这些算法均是模仿生物进化、神经网络系统、蚂蚁寻路、鸟群觅食等生物行为.故叫仿生算法.
3)智能计算:也成为计算智能,包括遗传算法、模拟退火算法、禁忌搜索算法、进化算法、蚁群算法、人工鱼群算法,粒子群算法、混合智能算法、免疫算法、神经网络、机器学习、生物计算、DNA计算、量子计算、模糊逻辑、模式识别、知识发现、数据挖掘等.智能计算是以数据为基础,通过训练建立联系,然后进行问题求解.
所以说,你接触的很多算法,既是仿生算法,又是启发式算法,又是智能算法,这都对.分类方法不同而已.
相关文章推荐
- 解决Win10下Android Studio terminal无法输入的问题
- ios多线程操作(十二)—— 自定义NSOperation实现网络下载后回调
- ios多线程操作(十一)—— NSOperation的高级操作
- 一个Java音乐播放器
- CI 笔记2,(命令规范等)
- 人月神话阅读笔记01
- MySql中Blob与Text的区别
- 【Unity】6.2 在VS2015中调试 C# 脚本
- 使用ViewPager动画来做出不一样的引导页
- C++中如何重载<<
- 修改wordpress地址(URL)导致不能登录后台
- const和#define的区别
- 5.3 一致性
- 【GCJ2016】 round 1A
- ios多线程操作(十)—— 用NSOperation开启多线程操作
- Linux下git源码安装
- 匈牙利算法模板
- VS学习4——计算工资与扣税
- Mac OSX搭建Jenkins持续集成环境
- 位运算符详细总结